基于Retinex-Net的集气站指针仪表暗光图像增强方案

摘要

集气站在引入巡检机器人进行仪表检测与识别任务时,对图像质量及处理实时性要求较高,但实际工作过程中因光照、遮挡等因素,经常拍摄到难以识别的暗光图像,传统暗光增强方法难以同时满足增强效果与实时性需求。基于Retinex理论及神经网络,文中引入Retinex-Net,在集气站实地拍摄的正常光/暗光图像集上进行测试,实现对暗光仪表图像的增强,在恢复仪表的真实色彩的同时尽可能的保留指针等细节信息。将该算法与CLAHE、MSRCR、AutoMSRCR算法在处理效果与处理速度上进行了对比,分析了Retinex-Net用于暗光仪表图像增强的优越性;对比处理前后仪表图像读数情况,证明了算法的实用性与鲁棒性。